File size: 138,348 Bytes
a72df25 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 479 480 481 482 483 484 485 486 487 488 489 490 491 492 493 494 495 496 497 498 499 500 501 502 503 504 505 506 507 508 509 510 511 512 513 514 515 516 517 518 519 520 521 522 523 524 525 526 527 528 529 530 531 532 533 534 535 536 537 538 539 540 541 542 543 544 545 546 547 548 549 550 551 552 553 554 555 556 557 558 559 560 561 562 563 564 565 566 567 568 569 570 571 572 573 574 575 576 577 578 579 580 581 582 583 584 585 586 587 588 589 590 591 592 593 594 595 596 597 598 599 600 601 602 603 604 605 606 607 608 609 610 611 612 613 614 615 616 617 618 619 620 621 622 623 624 625 626 627 628 629 630 631 632 633 634 635 636 637 638 639 640 641 642 643 644 645 646 647 648 649 650 651 652 653 654 655 656 657 658 659 660 661 662 663 664 665 666 667 668 669 670 671 672 673 674 675 676 677 678 679 680 681 682 683 684 685 686 687 688 689 690 691 692 693 694 695 696 697 698 699 700 701 702 703 704 705 706 707 708 709 710 711 712 713 714 715 716 717 718 719 720 721 722 723 724 725 726 727 728 729 730 731 732 733 734 735 736 737 738 739 740 741 742 743 744 745 746 747 748 749 750 751 752 753 754 755 756 757 758 759 760 761 762 763 764 765 766 767 768 769 770 771 772 773 774 775 776 777 778 779 780 781 782 783 784 785 786 787 788 789 790 791 792 793 794 795 796 797 798 799 800 801 802 803 804 805 806 807 808 809 810 811 812 813 814 815 816 817 818 819 820 821 822 823 824 825 826 827 828 829 830 831 832 833 834 835 836 837 838 839 840 841 842 843 844 845 846 847 848 849 850 851 852 853 854 855 856 857 858 859 860 861 862 863 864 865 866 867 868 869 870 871 872 873 874 875 876 877 878 879 880 881 882 883 884 885 886 887 888 889 890 891 892 893 894 895 896 897 898 899 900 901 902 903 904 905 906 907 908 909 910 911 912 913 914 915 916 917 918 919 920 921 922 923 924 925 926 927 928 929 930 931 932 933 934 935 936 937 938 939 940 941 942 943 944 945 946 947 948 949 950 951 952 953 954 955 956 957 958 959 960 961 962 963 964 965 966 967 968 969 970 971 972 973 974 975 976 977 978 979 980 981 982 983 984 985 986 987 988 989 990 991 992 993 994 995 996 997 998 999 1000 1001 1002 1003 1004 1005 1006 1007 1008 1009 1010 1011 1012 1013 1014 1015 1016 1017 1018 1019 1020 1021 1022 1023 1024 1025 1026 1027 1028 1029 1030 1031 1032 1033 1034 1035 1036 1037 1038 1039 1040 1041 1042 1043 1044 1045 1046 1047 1048 1049 1050 1051 1052 1053 1054 1055 1056 1057 1058 1059 1060 1061 1062 1063 1064 1065 1066 1067 1068 1069 1070 1071 1072 1073 1074 1075 1076 1077 1078 1079 1080 1081 1082 1083 1084 1085 1086 1087 1088 1089 1090 1091 1092 1093 1094 1095 1096 1097 1098 1099 1100 1101 1102 1103 1104 1105 1106 1107 1108 1109 1110 1111 1112 1113 1114 1115 1116 1117 1118 1119 1120 1121 1122 1123 1124 1125 1126 1127 1128 1129 1130 1131 1132 1133 1134 1135 1136 1137 1138 1139 1140 1141 1142 1143 1144 1145 1146 1147 1148 1149 1150 1151 1152 1153 1154 1155 1156 1157 1158 1159 1160 1161 1162 1163 1164 1165 1166 1167 1168 1169 1170 1171 1172 1173 1174 1175 1176 1177 1178 1179 1180 1181 1182 1183 1184 1185 1186 1187 1188 1189 1190 1191 1192 1193 1194 1195 1196 1197 1198 1199 1200 1201 1202 1203 1204 1205 1206 1207 1208 1209 1210 1211 1212 1213 1214 1215 1216 1217 1218 1219 1220 1221 1222 1223 1224 1225 1226 1227 1228 1229 1230 1231 1232 1233 1234 1235 1236 1237 1238 1239 1240 1241 1242 1243 1244 1245 1246 1247 1248 1249 1250 1251 1252 1253 1254 1255 1256 1257 1258 1259 1260 1261 1262 1263 1264 1265 1266 1267 1268 1269 1270 1271 1272 1273 1274 1275 1276 1277 1278 1279 1280 1281 1282 1283 1284 1285 1286 1287 1288 1289 1290 1291 1292 1293 1294 1295 1296 1297 1298 1299 1300 1301 1302 1303 1304 1305 1306 1307 1308 1309 1310 1311 1312 1313 1314 1315 1316 1317 1318 1319 1320 1321 1322 1323 1324 1325 1326 1327 1328 1329 1330 1331 1332 1333 1334 1335 1336 1337 1338 1339 1340 1341 1342 1343 1344 1345 1346 1347 1348 1349 1350 1351 1352 1353 1354 1355 1356 1357 1358 1359 1360 1361 1362 1363 1364 1365 1366 1367 1368 1369 1370 1371 1372 1373 1374 1375 1376 1377 1378 1379 1380 1381 1382 1383 1384 1385 1386 1387 1388 1389 1390 1391 1392 1393 1394 1395 1396 1397 1398 |
---
language: []
library_name: sentence-transformers
tags:
- sentence-transformers
- sentence-similarity
- feature-extraction
- generated_from_trainer
- dataset_size:10200
- loss:MatryoshkaLoss
- loss:MultipleNegativesRankingLoss
base_model: bkai-foundation-models/vietnamese-bi-encoder
datasets: []
metrics:
- cosine_accuracy@1
- cosine_accuracy@3
- cosine_accuracy@5
- cosine_accuracy@10
- cosine_precision@1
- cosine_precision@3
- cosine_precision@5
- cosine_precision@10
- cosine_recall@1
- cosine_recall@3
- cosine_recall@5
- cosine_recall@10
- cosine_ndcg@10
- cosine_mrr@10
- cosine_map@100
widget:
- source_sentence: 1.500.000 (một triệu năm trăm nghìn) đồng/Giấy phép (theo quy
định tại Khoản b Điều 4 Thông tư số 143/2016/TT-BTC ngày 26/9/2016 của Bộ Tài
chính, có hiệu lực thi hành kể từ ngày 01/01/2017).
sentences:
- 'Phí lệ phí của Thủ tục: Thủ tục Cấp lại Giấy phép thành lập Văn phòng đại diện
của thương nhân nước ngoài tại Việt Nam là bao nhiêu ?'
- Trường hợp đã hết thời hiệu yêu cầu thi hành án, đề nghị khôi phục thời hiệu thi
hành án cần những thủ tục gì?
- Người điều khiển, người đi trên phương tiện, phương tiện xuất cảnh, nhập cảnh
qua cửa khẩu biên giới đất liền phải thực hiện thủ tục biên phòng điện tử như
thế nào?
- source_sentence: " Bước 1: Tổ chức sử dụng đất chuẩn bị hồ sơ theo quy định của\
\ pháp luật;\n Bước 2: Tổ chức sử dụng đất nộp hồ sơ tại Bộ phận hành chính công\
\ về Tài nguyên và Môi trường của Ban Quản lý Khu kinh tế Quảng Ninh tại Trung\
\ tâm Phục vụ Hành chính công tỉnh;\nBước 3: Cán bộ Bộ phận hành chính công về\
\ Tài nguyên và Môi trường kiểm tra hồ sơ và trao giấy tiếp nhận hồ sơ cho nhà\
\ đầu tư;\nBước 4: Tổ chức sử dụng đất căn cứ thời gian ghi trên giấy tiếp nhận\
\ hồ sơ đến Trung tâm Phục vụ hành chính công nhận kết quả."
sentences:
- Khiếu nại quyết định kỷ luật cán bộ, công chức được thực hiện trong trường hợp
nào?
- 'Trình tự thực hiện của Thủ tục: Thủ tục miễn, giảm tiền thuê đất trong Khu kinh
tế (trừ Khu kinh tế Vân Đồn) là gì ?'
- Khi nào người giải quyết tố cáo tạm đình chỉ việc giải quyết tố cáo?
- source_sentence: 'Theo quy định tại Nghị định số 91/2017/NĐ-CP ngày 31/7/2017 của
Chính phủ quy định chi tiết thi hành Luật sửa đổi, bổ sung một số điều của Luật
thi đua, khen thưởng năm 2013:
Trong thời hạn 20 ngày ngày làm việc (30 ngày làm việc đối với trường
hợp phải lấy ý kiến hiệp y) kể từ ngày nhận đủ hồ sơ theo quy định,
Trưởng ban Ban Thi đua - Khen thưởng Trung ương trình Thủ tướng Chính phủ
xem xét, quyết định;
Sau khi nhận được quyết định khen thưởng của Thủ tướng Chính phủ, trong thời hạn
10 ngày làm việc, Ban Thi đua - Khen thưởng Trung ương sao quyết định và thông
báo kết quả khen thưởng cho bộ, ban, ngành, tỉnh, đoàn thể trung ương trình khen
thưởng;
Sau khi nhận được quyết định khen thưởng của cấp có thẩm quyền, trong thời hạn
10 ngày làm việc, cơ quan trình khen thưởng thông báo và gửi kết quả khen thưởng
cho các trường hợp được khen thưởng;
Đối với các trường hợp không đủ điều kiện, tiêu chuẩn, hồ sơ theo quy định, trong
thời hạn 10ngày làm việc kể từ ngày nhận đủ hồ sơ theo quy định, Ban Thi đua -
Khen thưởng Trung ương thông báo bằng văn bản cho bộ, ban, ngành, tỉnh, đoàn thể
trung ương trình khen thưởng.'
sentences:
- Yêu cầu về xác nhận quá trình thực hành trong cấp chứng chỉ hành nghề khám chữa
bệnh là gì?
- Đề nghị cho biết thời hạn thực hiện thủ tục tặng thưởng "Cờ thi đua của Chính
phủ" về thành tích thi đua theo đợt hoặc chuyên đề
- Vợ chồng tôi năm nay được 38 tuổi, nghề nghiệp là nông dân. Vợ chồng tôi muốn
tham gia BHXH tự nguyện để khi về già có lương hưu. Vậy vợ chồng tôi có được đóng
BHXH không?
- source_sentence: Theo quy định tại điểm c Khoản 1 Điều 211 Luật Doanh nghiệp, trường
hợp doanh nghiệp ngừng hoạt động kinh doanh 01 năm mà không thông báo với cơ quan
đăng ký kinh doanh và cơ quan thuế thì doanh nghiệp thuộc trường hợp bị thu hồi
Giấy chứng nhận đăng ký doanh nghiệp.- Trình tự, thủ tục thu hồi Giấy chứng nhận
đăng ký doanh nghiệp thực hiện theo quy định tại Khoản 3 Điều 63 Nghị định số
78/2015/NĐ-CP được sửa đổi, bổ sung tại Khoản 20 Điều 1 Nghị định số 108/2018/NĐ-CP
sửa đổi, bổ sung một số điều của Nghị định số 78/2015/NĐ-CP. Theo đó, Phòng Đăng
ký kinh doanh thông báo bằng văn bản về hành vi vi phạm và yêu cầu người đại diện
theo pháp luật của doanh nghiệp đến trụ sở của Phòng để giải trình. Sau 10 ngày
làm việc, kể từ ngày kết thúc thời hạn hẹn trong thông báo mà người được yêu cầu
không đến hoặc nội dung giải trình không được chấp thuận thì Phòng Đăng ký kinh
doanh ra quyết định thu hồi Giấy chứng nhận đăng ký doanh nghiệp.- Như vậy, theo
quy định nêu trên việc công ty ngừng hoạt động kinh doanh 01 năm mà không thông
báo với cơ quan đăng ký kinh doanh và cơ quan thuế là vi phạm quy định pháp luật
và thuộc một trong các trường hợp bị thu hồi Giấy chứng nhận đăng ký doanh nghiệp.
sentences:
- Thủ tục và hồ sơ xin phép chuyển đổi mục đích sử dụng, di dời, tháo dỡ?
- Thời gian đăng ký hoạt động của Chi nhánh của Tổ chức trọng tài nước ngoài tại
Việt Nam được quy định như thế nào?
- Công ty TNHH XYZ ngừng hoạt động kinh doanh 01 năm mà không thông báo với cơ quan
đăng ký kinh doanh và cơ quan thuế? Trong trường hợp này, Công ty bị thu hồi Giấy
chứng nhận đăng ký doanh nghiệp thì có đúng quy định pháp luật hiện hành không?
- source_sentence: thời hạn giải quyết việc gia hạn thời gian học tập cho lưu học
sinh để hoàn thành khóa học như sau:Tối đa 20 ngày làm việc kể từ ngày nhận đủ
hồ sơ hợp lệ.
sentences:
- Tôi muốn hỏi về gia hạn thời gian học tập cho lưu học sinh để hoàn thành khóa
học, có thời hạn giải quyết như thế nào?
- Thành phần hồ sơ giải quyết chế độ hỗ trợ đối với người Việt Nam có công với cách
mạng quy định tại Nghị định số 102/2018/NĐ- CP ngày 20/7/2018 của Chính phủ về
chế độ hỗ trợ và một số chế độ đãi ngộ khác đối với người Việt Nam có công với
cách mạng, người tham gia kháng chiến, chiến tranh bảo vệ Tổ quốc và làm nhiệm
vụ quốc tế đang định cư ở nước ngoài (Nghị định số 102/2018/NĐ-CP), bao gồm những
giấy tờ gì?
- Trường hợp nào không thuộc trường hợp điều chỉnh giấy phép khai thác nước mặt,
nước biển?
pipeline_tag: sentence-similarity
model-index:
- name: SentenceTransformer based on bkai-foundation-models/vietnamese-bi-encoder
results:
- task:
type: information-retrieval
name: Information Retrieval
dataset:
name: dim 768
type: dim_768
metrics:
- type: cosine_accuracy@1
value: 0.5238095238095238
name: Cosine Accuracy@1
- type: cosine_accuracy@3
value: 0.6834215167548501
name: Cosine Accuracy@3
- type: cosine_accuracy@5
value: 0.746031746031746
name: Cosine Accuracy@5
- type: cosine_accuracy@10
value: 0.798941798941799
name: Cosine Accuracy@10
- type: cosine_precision@1
value: 0.5238095238095238
name: Cosine Precision@1
- type: cosine_precision@3
value: 0.22780717225161667
name: Cosine Precision@3
- type: cosine_precision@5
value: 0.1492063492063492
name: Cosine Precision@5
- type: cosine_precision@10
value: 0.07989417989417988
name: Cosine Precision@10
- type: cosine_recall@1
value: 0.5238095238095238
name: Cosine Recall@1
- type: cosine_recall@3
value: 0.6834215167548501
name: Cosine Recall@3
- type: cosine_recall@5
value: 0.746031746031746
name: Cosine Recall@5
- type: cosine_recall@10
value: 0.798941798941799
name: Cosine Recall@10
- type: cosine_ndcg@10
value: 0.6615546646300381
name: Cosine Ndcg@10
- type: cosine_mrr@10
value: 0.6173889308809946
name: Cosine Mrr@10
- type: cosine_map@100
value: 0.623396480440854
name: Cosine Map@100
- task:
type: information-retrieval
name: Information Retrieval
dataset:
name: dim 512
type: dim_512
metrics:
- type: cosine_accuracy@1
value: 0.5246913580246914
name: Cosine Accuracy@1
- type: cosine_accuracy@3
value: 0.6781305114638448
name: Cosine Accuracy@3
- type: cosine_accuracy@5
value: 0.7451499118165785
name: Cosine Accuracy@5
- type: cosine_accuracy@10
value: 0.7918871252204586
name: Cosine Accuracy@10
- type: cosine_precision@1
value: 0.5246913580246914
name: Cosine Precision@1
- type: cosine_precision@3
value: 0.22604350382128158
name: Cosine Precision@3
- type: cosine_precision@5
value: 0.1490299823633157
name: Cosine Precision@5
- type: cosine_precision@10
value: 0.07918871252204585
name: Cosine Precision@10
- type: cosine_recall@1
value: 0.5246913580246914
name: Cosine Recall@1
- type: cosine_recall@3
value: 0.6781305114638448
name: Cosine Recall@3
- type: cosine_recall@5
value: 0.7451499118165785
name: Cosine Recall@5
- type: cosine_recall@10
value: 0.7918871252204586
name: Cosine Recall@10
- type: cosine_ndcg@10
value: 0.657037167164812
name: Cosine Ndcg@10
- type: cosine_mrr@10
value: 0.6137468155986678
name: Cosine Mrr@10
- type: cosine_map@100
value: 0.6201350917863858
name: Cosine Map@100
- task:
type: information-retrieval
name: Information Retrieval
dataset:
name: dim 256
type: dim_256
metrics:
- type: cosine_accuracy@1
value: 0.5264550264550265
name: Cosine Accuracy@1
- type: cosine_accuracy@3
value: 0.6657848324514991
name: Cosine Accuracy@3
- type: cosine_accuracy@5
value: 0.7345679012345679
name: Cosine Accuracy@5
- type: cosine_accuracy@10
value: 0.7857142857142857
name: Cosine Accuracy@10
- type: cosine_precision@1
value: 0.5264550264550265
name: Cosine Precision@1
- type: cosine_precision@3
value: 0.22192827748383304
name: Cosine Precision@3
- type: cosine_precision@5
value: 0.1469135802469136
name: Cosine Precision@5
- type: cosine_precision@10
value: 0.07857142857142857
name: Cosine Precision@10
- type: cosine_recall@1
value: 0.5264550264550265
name: Cosine Recall@1
- type: cosine_recall@3
value: 0.6657848324514991
name: Cosine Recall@3
- type: cosine_recall@5
value: 0.7345679012345679
name: Cosine Recall@5
- type: cosine_recall@10
value: 0.7857142857142857
name: Cosine Recall@10
- type: cosine_ndcg@10
value: 0.6532010943983831
name: Cosine Ndcg@10
- type: cosine_mrr@10
value: 0.6109077993337254
name: Cosine Mrr@10
- type: cosine_map@100
value: 0.6170649752059452
name: Cosine Map@100
- task:
type: information-retrieval
name: Information Retrieval
dataset:
name: dim 128
type: dim_128
metrics:
- type: cosine_accuracy@1
value: 0.5052910052910053
name: Cosine Accuracy@1
- type: cosine_accuracy@3
value: 0.6481481481481481
name: Cosine Accuracy@3
- type: cosine_accuracy@5
value: 0.716931216931217
name: Cosine Accuracy@5
- type: cosine_accuracy@10
value: 0.7795414462081128
name: Cosine Accuracy@10
- type: cosine_precision@1
value: 0.5052910052910053
name: Cosine Precision@1
- type: cosine_precision@3
value: 0.21604938271604937
name: Cosine Precision@3
- type: cosine_precision@5
value: 0.14338624338624337
name: Cosine Precision@5
- type: cosine_precision@10
value: 0.07795414462081128
name: Cosine Precision@10
- type: cosine_recall@1
value: 0.5052910052910053
name: Cosine Recall@1
- type: cosine_recall@3
value: 0.6481481481481481
name: Cosine Recall@3
- type: cosine_recall@5
value: 0.716931216931217
name: Cosine Recall@5
- type: cosine_recall@10
value: 0.7795414462081128
name: Cosine Recall@10
- type: cosine_ndcg@10
value: 0.6385870412148211
name: Cosine Ndcg@10
- type: cosine_mrr@10
value: 0.5938485064807817
name: Cosine Mrr@10
- type: cosine_map@100
value: 0.5999045663762226
name: Cosine Map@100
- task:
type: information-retrieval
name: Information Retrieval
dataset:
name: dim 64
type: dim_64
metrics:
- type: cosine_accuracy@1
value: 0.47795414462081126
name: Cosine Accuracy@1
- type: cosine_accuracy@3
value: 0.6287477954144621
name: Cosine Accuracy@3
- type: cosine_accuracy@5
value: 0.6984126984126984
name: Cosine Accuracy@5
- type: cosine_accuracy@10
value: 0.7627865961199295
name: Cosine Accuracy@10
- type: cosine_precision@1
value: 0.47795414462081126
name: Cosine Precision@1
- type: cosine_precision@3
value: 0.20958259847148733
name: Cosine Precision@3
- type: cosine_precision@5
value: 0.13968253968253966
name: Cosine Precision@5
- type: cosine_precision@10
value: 0.07627865961199294
name: Cosine Precision@10
- type: cosine_recall@1
value: 0.47795414462081126
name: Cosine Recall@1
- type: cosine_recall@3
value: 0.6287477954144621
name: Cosine Recall@3
- type: cosine_recall@5
value: 0.6984126984126984
name: Cosine Recall@5
- type: cosine_recall@10
value: 0.7627865961199295
name: Cosine Recall@10
- type: cosine_ndcg@10
value: 0.616607053816669
name: Cosine Ndcg@10
- type: cosine_mrr@10
value: 0.5701320651717475
name: Cosine Mrr@10
- type: cosine_map@100
value: 0.5766001101533499
name: Cosine Map@100
---
# SentenceTransformer based on bkai-foundation-models/vietnamese-bi-encoder
This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [bkai-foundation-models/vietnamese-bi-encoder](https://huggingface.co/bkai-foundation-models/vietnamese-bi-encoder). It maps sentences & paragraphs to a 768-dimensional dense vector space and can be used for semantic textual similarity, semantic search, paraphrase mining, text classification, clustering, and more.
## Model Details
### Model Description
- **Model Type:** Sentence Transformer
- **Base model:** [bkai-foundation-models/vietnamese-bi-encoder](https://huggingface.co/bkai-foundation-models/vietnamese-bi-encoder) <!-- at revision 84f9d9ada0d1a3c37557398b9ae9fcedcdf40be0 -->
- **Maximum Sequence Length:** 256 tokens
- **Output Dimensionality:** 768 tokens
- **Similarity Function:** Cosine Similarity
<!-- - **Training Dataset:** Unknown -->
<!-- - **Language:** Unknown -->
<!-- - **License:** Unknown -->
### Model Sources
- **Documentation:** [Sentence Transformers Documentation](https://sbert.net)
- **Repository:** [Sentence Transformers on GitHub](https://github.com/UKPLab/sentence-transformers)
- **Hugging Face:** [Sentence Transformers on Hugging Face](https://huggingface.co/models?library=sentence-transformers)
### Full Model Architecture
```
SentenceTransformer(
(0): Transformer({'max_seq_length': 256, 'do_lower_case': False}) with Transformer model: RobertaModel
(1): Pooling({'word_embedding_dimension': 768, 'pooling_mode_cls_token': False, 'pooling_mode_mean_tokens': True, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False, 'pooling_mode_weightedmean_tokens': False, 'pooling_mode_lasttoken': False, 'include_prompt': True})
)
```
## Usage
### Direct Usage (Sentence Transformers)
First install the Sentence Transformers library:
```bash
pip install -U sentence-transformers
```
Then you can load this model and run inference.
```python
from sentence_transformers import SentenceTransformer
# Download from the 🤗 Hub
model = SentenceTransformer("anhtuansh/vietnamese-bi-encoder-Financial-Matryoshka")
# Run inference
sentences = [
'thời hạn giải quyết việc gia hạn thời gian học tập cho lưu học sinh để hoàn thành khóa học như sau:Tối đa 20 ngày làm việc kể từ ngày nhận đủ hồ sơ hợp lệ.',
'Tôi muốn hỏi về gia hạn thời gian học tập cho lưu học sinh để hoàn thành khóa học, có thời hạn giải quyết như thế nào?',
'Thành phần hồ sơ giải quyết chế độ hỗ trợ đối với người Việt Nam có công với cách mạng quy định tại Nghị định số 102/2018/NĐ- CP ngày 20/7/2018 của Chính phủ về chế độ hỗ trợ và một số chế độ đãi ngộ khác đối với người Việt Nam có công với cách mạng, người tham gia kháng chiến, chiến tranh bảo vệ Tổ quốc và làm nhiệm vụ quốc tế đang định cư ở nước ngoài (Nghị định số 102/2018/NĐ-CP), bao gồm những giấy tờ gì?',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 768]
# Get the similarity scores for the embeddings
similarities = model.similarity(embeddings, embeddings)
print(similarities.shape)
# [3, 3]
```
<!--
### Direct Usage (Transformers)
<details><summary>Click to see the direct usage in Transformers</summary>
</details>
-->
<!--
### Downstream Usage (Sentence Transformers)
You can finetune this model on your own dataset.
<details><summary>Click to expand</summary>
</details>
-->
<!--
### Out-of-Scope Use
*List how the model may foreseeably be misused and address what users ought not to do with the model.*
-->
## Evaluation
### Metrics
#### Information Retrieval
* Dataset: `dim_768`
* Evaluated with [<code>InformationRetrievalEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.InformationRetrievalEvaluator)
| Metric | Value |
|:--------------------|:-----------|
| cosine_accuracy@1 | 0.5238 |
| cosine_accuracy@3 | 0.6834 |
| cosine_accuracy@5 | 0.746 |
| cosine_accuracy@10 | 0.7989 |
| cosine_precision@1 | 0.5238 |
| cosine_precision@3 | 0.2278 |
| cosine_precision@5 | 0.1492 |
| cosine_precision@10 | 0.0799 |
| cosine_recall@1 | 0.5238 |
| cosine_recall@3 | 0.6834 |
| cosine_recall@5 | 0.746 |
| cosine_recall@10 | 0.7989 |
| cosine_ndcg@10 | 0.6616 |
| cosine_mrr@10 | 0.6174 |
| **cosine_map@100** | **0.6234** |
#### Information Retrieval
* Dataset: `dim_512`
* Evaluated with [<code>InformationRetrievalEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.InformationRetrievalEvaluator)
| Metric | Value |
|:--------------------|:-----------|
| cosine_accuracy@1 | 0.5247 |
| cosine_accuracy@3 | 0.6781 |
| cosine_accuracy@5 | 0.7451 |
| cosine_accuracy@10 | 0.7919 |
| cosine_precision@1 | 0.5247 |
| cosine_precision@3 | 0.226 |
| cosine_precision@5 | 0.149 |
| cosine_precision@10 | 0.0792 |
| cosine_recall@1 | 0.5247 |
| cosine_recall@3 | 0.6781 |
| cosine_recall@5 | 0.7451 |
| cosine_recall@10 | 0.7919 |
| cosine_ndcg@10 | 0.657 |
| cosine_mrr@10 | 0.6137 |
| **cosine_map@100** | **0.6201** |
#### Information Retrieval
* Dataset: `dim_256`
* Evaluated with [<code>InformationRetrievalEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.InformationRetrievalEvaluator)
| Metric | Value |
|:--------------------|:-----------|
| cosine_accuracy@1 | 0.5265 |
| cosine_accuracy@3 | 0.6658 |
| cosine_accuracy@5 | 0.7346 |
| cosine_accuracy@10 | 0.7857 |
| cosine_precision@1 | 0.5265 |
| cosine_precision@3 | 0.2219 |
| cosine_precision@5 | 0.1469 |
| cosine_precision@10 | 0.0786 |
| cosine_recall@1 | 0.5265 |
| cosine_recall@3 | 0.6658 |
| cosine_recall@5 | 0.7346 |
| cosine_recall@10 | 0.7857 |
| cosine_ndcg@10 | 0.6532 |
| cosine_mrr@10 | 0.6109 |
| **cosine_map@100** | **0.6171** |
#### Information Retrieval
* Dataset: `dim_128`
* Evaluated with [<code>InformationRetrievalEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.InformationRetrievalEvaluator)
| Metric | Value |
|:--------------------|:-----------|
| cosine_accuracy@1 | 0.5053 |
| cosine_accuracy@3 | 0.6481 |
| cosine_accuracy@5 | 0.7169 |
| cosine_accuracy@10 | 0.7795 |
| cosine_precision@1 | 0.5053 |
| cosine_precision@3 | 0.216 |
| cosine_precision@5 | 0.1434 |
| cosine_precision@10 | 0.078 |
| cosine_recall@1 | 0.5053 |
| cosine_recall@3 | 0.6481 |
| cosine_recall@5 | 0.7169 |
| cosine_recall@10 | 0.7795 |
| cosine_ndcg@10 | 0.6386 |
| cosine_mrr@10 | 0.5938 |
| **cosine_map@100** | **0.5999** |
#### Information Retrieval
* Dataset: `dim_64`
* Evaluated with [<code>InformationRetrievalEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.InformationRetrievalEvaluator)
| Metric | Value |
|:--------------------|:-----------|
| cosine_accuracy@1 | 0.478 |
| cosine_accuracy@3 | 0.6287 |
| cosine_accuracy@5 | 0.6984 |
| cosine_accuracy@10 | 0.7628 |
| cosine_precision@1 | 0.478 |
| cosine_precision@3 | 0.2096 |
| cosine_precision@5 | 0.1397 |
| cosine_precision@10 | 0.0763 |
| cosine_recall@1 | 0.478 |
| cosine_recall@3 | 0.6287 |
| cosine_recall@5 | 0.6984 |
| cosine_recall@10 | 0.7628 |
| cosine_ndcg@10 | 0.6166 |
| cosine_mrr@10 | 0.5701 |
| **cosine_map@100** | **0.5766** |
<!--
## Bias, Risks and Limitations
*What are the known or foreseeable issues stemming from this model? You could also flag here known failure cases or weaknesses of the model.*
-->
<!--
### Recommendations
*What are recommendations with respect to the foreseeable issues? For example, filtering explicit content.*
-->
## Training Details
### Training Dataset
#### Unnamed Dataset
* Size: 10,200 training samples
* Columns: <code>positive</code> and <code>anchor</code>
* Approximate statistics based on the first 1000 samples:
| | positive | anchor |
|:--------|:------------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------|
| type | string | string |
| details | <ul><li>min: 4 tokens</li><li>mean: 153.67 tokens</li><li>max: 256 tokens</li></ul> | <ul><li>min: 6 tokens</li><li>mean: 37.69 tokens</li><li>max: 256 tokens</li></ul> |
* Samples:
| positive | anchor |
|:----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| <code>1. Thẩm quyền cấp giấy phép tổ chức triển lãm, hội chợ xuất bản phẩm được quy định cụ thể như sau: - Bộ Thông tin và Truyền thông cấp giấy phép cho cơ quan, tổ chức ở trung ương; cơ quan, tổ chức, cá nhân nước ngoài;- Ủy ban nhân dân cấp tỉnh cấp giấy phép cho cơ quan, tổ chức, cá nhân có trụ sở hoặc cư trú tại địa phương; chi nhánh, văn phòng đại diện, đơn vị trực thuộc cơ quan, tổ chức ở trung ương đặt tại địa phương.2. Hồ sơ bao gồm: - Đơn đề nghị cấp giấy phép trong đó ghi rõ mục đích, thời gian, địa điểm và tên các đơn vị tham gia triển lãm, hội chợ;- Danh mục xuất bản phẩm để triển lãm, hội chợ theo mẫu quy định.(Quy định tại Khoản 2, 3 Điều 44 Luật Xuất bản)</code> | <code>Hồ sơ và thẩm quyền cấp giấy phép tổ chức triển lãm, hội chợ xuất bản phẩm được quy định cụ thể như thế nào?</code> |
| <code>- Trường hợp mất Danh mục và Phiếu theo dõi trừ lùi thì người khai hải quan có hồ sơ đề nghị cơ quan hải quan nơi cấp Danh mục lần đầu đề nghị cấp lại, bao gồm:<br>+ Công văn đề nghị cấp lại Danh mục, Phiếu theo dõi trừ lùi trong đó nêu rõ: lý do mất Danh mục, Phiếu theo dõi trừ lùi và cam kết của người khai hải quan về tính chính xác của nội dung khai báo;<br>+ Bảng kê toàn bộ tờ khai hải quan (điện tử hoặc giấy) của số lượng hàng hóa đã nhập khẩu theo danh mục;<br>+ Bản Danh mục và Phiếu theo dõi trừ lùi của cơ quan hải quan nơi làm thủ tục nhập khẩu lô hàng cuối cùng trước khi thất lạc (01 bản chụp có xác nhận của cơ quan hải quan nơi nhập khẩu).<br>- Khi làm thủ tục hải quan, người khai hải quan nộp, xuất trình cho cơ quan hải quan nơi đăng ký tờ khai hải quan các hồ sơ sau:<br>+ Hồ sơ hải quan theo quy định hiện hành;<br>+ Danh mục hàng hóa và Phiếu theo dõi trừ lùi đã đăng ký với cơ quan hải quan (bản giao người khai hải quan) để cơ quan hải quan làm thủ tục thực hiện trừ lùi hàng hóa nhập khẩu.</code> | <code>Trường hợp tôi làm mất Danh mục và Phiếu theo dõi trừ lùi hàng hóa nhập khẩu dung môi N-Hexan dùng trong sản xuất khô dầu đậu tương và dầu thực vật, cám gạo trích ly và dầu cám thì cần làm những thủ tục gì?</code> |
| <code>Thẩm quyền cấp Giấy chứng nhận cơ sở đủ điều kiện đăng kiểm tàu cá là: Tổng cục Thủy sản.</code> | <code>Thẩm quyền cấp Giấy chứng nhận cơ sở đủ điều kiện đăng kiểm tàu cá ?</code> |
* Loss: [<code>MatryoshkaLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#matryoshkaloss) with these parameters:
```json
{
"loss": "MultipleNegativesRankingLoss",
"matryoshka_dims": [
768,
512,
256,
128,
64
],
"matryoshka_weights": [
1,
1,
1,
1,
1
],
"n_dims_per_step": -1
}
```
### Evaluation Dataset
#### Unnamed Dataset
* Size: 1,134 evaluation samples
* Columns: <code>positive</code> and <code>anchor</code>
* Approximate statistics based on the first 1000 samples:
| | positive | anchor |
|:--------|:-----------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------|
| type | string | string |
| details | <ul><li>min: 4 tokens</li><li>mean: 155.4 tokens</li><li>max: 256 tokens</li></ul> | <ul><li>min: 6 tokens</li><li>mean: 37.17 tokens</li><li>max: 256 tokens</li></ul> |
* Samples:
| positive | anchor |
|:-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| <code>Việc thực hiện thủ tục tặng thưởng Bằng khen cấp Bộ, ban, ngành, đoàn thể Trung ương, tỉnh, thành phố trực thuộc Trung ương về thành tích đột xuất được tiến hành như sau:<br>Bước 1. Vụ, phòng, Ban Thi đua – Khen thưởng các Bộ, ngành, đoàn thể Trung ương, tỉnh, thành phố trực thuộc Trung ương tiếp nhận đề nghị khen thưởng của các đơn vị thực thuộc.<br>Bước 2. Thẩm định hồ sơ, xin ý kiến các cơ quan liên quan, báo cáo Hội đồng thi đua khen thưởng cùng cấp, tổng hợp trình Bộ trưởng, thủ trưởng đơn vị, Chủ tịch UBND tỉnh, thành phố quyết định khen thưởng.<br>Bước 3. Khi có Quyết định của Bộ trưởng, thủ trưởng đơn vị, Chủ tịch UBND tỉnh, thành phố trực thuộc Trung ương; Vụ, phòng, Ban Thi đua – khen thưởng các Bộ, ngành, đoàn thể Trung ương, tỉnh, thành phố trực thuộc Trung ương thông báo Quyết định, viết bằng, đóng dấu và cấp phát cho đơn vị trình khen.<br>Bước 4. Các trường hợp không được khen thưởng (không đúng đối tượng, không đủ tiêu chuẩn, không đủ hồ sơ hoặc vi phạm pháp luật), Vụ, phòng, Ban Thi đua – khen thưởng các Bộ, ngành, đoàn thể Trung ương, tỉnh, thành phố trực thuộc Trung ương thông báo đến các đơn vị trình khen biết.</code> | <code>Đề nghị cho biết trình tự thực hiện thủ tục tặng thưởng Bằng khen cấp Bộ, ban, ngành, đoàn thể Trung ương, tỉnh, thành phố trực thuộc Trung ương về thành tích đột xuất</code> |
| <code>Bông thủy tinh chống cháy là vật liệu chống cháy, thuộc danh mục phương tiện PCCC quy định Phụ lục V Nghị định số 79/2014/NĐ-CP ngày 31/7/2014 quy định chi tiết thi hành một số điều của Luật phòng cháy và chữa cháy và Luật sửa đổi, bổ sung một số điều của luật phòng cháy và chữa cháy. Do đó, nếu đưa vào sử dụng trong hạng mục PCCC của công trình thì phải kiểm định về PCCC. Tuy nhiên, đối với vật liệu bông thủy tinh cách nhiệt chống cháy được các cơ quan, tổ chức, cá nhân cần xem xét tùy vào yêu cầu cụ thể của công trình để đăng ký kiểm định “tính nguy hiểm cháy” đối với vật liệu đó hoặc “giới hạn chịu lửa” của kết cấu sử dụng vật liệu đó. Thành phần hồ sơ đề nghị kiểm định được quy định tại Điểm a Khoản 4 Điều 18 Thông tư 66/2014/TT-BCA ngày 16/12/2014 Quy định chi tiết thi hành một số điều của Nghị định số 79/2014/NĐ-CP ngày 31/7/2014 quy định chi tiết thi hành một số điều của Luật phòng cháy và chữa cháy và Luật sửa đổi, bổ sung một số điều của luật phòng cháy và chữa cháy, cụ thể bao gồm:- Đơn đề nghị kiểm định phương tiện (mẫu số PC17 ban hành kèm theo Thông tư số 66/2014/TT-BCA ngày 16/12/2014 của Bộ Công an);- Chứng nhận xuất xưởng.- Chứng nhận chất lượng.- Các tài liệu kỹ thuật của bông thủy tinh cách nhiệt chống cháy đề nghị kiểm định;</code> | <code>Bông thủy tinh cách nhiệt chống cháy có phải kiểm định không? Thành phần hồ sơ đề nghị kiểm định như thế nào?</code> |
| <code>Thẻ thường trú không có thời hạn nhưng định kỳ 10 năm một lần, người nước ngoài thường trú phải đến nộp hồ sơ tại Phòng Quản lý xuất, nhập cảnh Công an tỉnh, thành phố trực thuộc Trung ương để đề nghị cấp đổi thẻ thường trú.</code> | <code>Thẻ thường trú có thời hạn không?</code> |
* Loss: [<code>MatryoshkaLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#matryoshkaloss) with these parameters:
```json
{
"loss": "MultipleNegativesRankingLoss",
"matryoshka_dims": [
768,
512,
256,
128,
64
],
"matryoshka_weights": [
1,
1,
1,
1,
1
],
"n_dims_per_step": -1
}
```
### Training Hyperparameters
#### Non-Default Hyperparameters
- `eval_strategy`: epoch
- `per_device_train_batch_size`: 2
- `per_device_eval_batch_size`: 2
- `gradient_accumulation_steps`: 2
- `learning_rate`: 2e-05
- `num_train_epochs`: 2
- `lr_scheduler_type`: cosine
- `warmup_ratio`: 0.1
- `fp16`: True
- `tf32`: False
- `load_best_model_at_end`: True
- `optim`: adamw_torch_fused
- `batch_sampler`: no_duplicates
#### All Hyperparameters
<details><summary>Click to expand</summary>
- `overwrite_output_dir`: False
- `do_predict`: False
- `eval_strategy`: epoch
- `prediction_loss_only`: True
- `per_device_train_batch_size`: 2
- `per_device_eval_batch_size`: 2
- `per_gpu_train_batch_size`: None
- `per_gpu_eval_batch_size`: None
- `gradient_accumulation_steps`: 2
- `eval_accumulation_steps`: None
- `learning_rate`: 2e-05
- `weight_decay`: 0.0
- `adam_beta1`: 0.9
- `adam_beta2`: 0.999
- `adam_epsilon`: 1e-08
- `max_grad_norm`: 1.0
- `num_train_epochs`: 2
- `max_steps`: -1
- `lr_scheduler_type`: cosine
- `lr_scheduler_kwargs`: {}
- `warmup_ratio`: 0.1
- `warmup_steps`: 0
- `log_level`: passive
- `log_level_replica`: warning
- `log_on_each_node`: True
- `logging_nan_inf_filter`: True
- `save_safetensors`: True
- `save_on_each_node`: False
- `save_only_model`: False
- `restore_callback_states_from_checkpoint`: False
- `no_cuda`: False
- `use_cpu`: False
- `use_mps_device`: False
- `seed`: 42
- `data_seed`: None
- `jit_mode_eval`: False
- `use_ipex`: False
- `bf16`: False
- `fp16`: True
- `fp16_opt_level`: O1
- `half_precision_backend`: auto
- `bf16_full_eval`: False
- `fp16_full_eval`: False
- `tf32`: False
- `local_rank`: 0
- `ddp_backend`: None
- `tpu_num_cores`: None
- `tpu_metrics_debug`: False
- `debug`: []
- `dataloader_drop_last`: False
- `dataloader_num_workers`: 0
- `dataloader_prefetch_factor`: None
- `past_index`: -1
- `disable_tqdm`: False
- `remove_unused_columns`: True
- `label_names`: None
- `load_best_model_at_end`: True
- `ignore_data_skip`: False
- `fsdp`: []
- `fsdp_min_num_params`: 0
- `fsdp_config`: {'min_num_params': 0, 'xla': False, 'xla_fsdp_v2': False, 'xla_fsdp_grad_ckpt': False}
- `fsdp_transformer_layer_cls_to_wrap`: None
- `accelerator_config`: {'split_batches': False, 'dispatch_batches': None, 'even_batches': True, 'use_seedable_sampler': True, 'non_blocking': False, 'gradient_accumulation_kwargs': None}
- `deepspeed`: None
- `label_smoothing_factor`: 0.0
- `optim`: adamw_torch_fused
- `optim_args`: None
- `adafactor`: False
- `group_by_length`: False
- `length_column_name`: length
- `ddp_find_unused_parameters`: None
- `ddp_bucket_cap_mb`: None
- `ddp_broadcast_buffers`: False
- `dataloader_pin_memory`: True
- `dataloader_persistent_workers`: False
- `skip_memory_metrics`: True
- `use_legacy_prediction_loop`: False
- `push_to_hub`: False
- `resume_from_checkpoint`: None
- `hub_model_id`: None
- `hub_strategy`: every_save
- `hub_private_repo`: False
- `hub_always_push`: False
- `gradient_checkpointing`: False
- `gradient_checkpointing_kwargs`: None
- `include_inputs_for_metrics`: False
- `eval_do_concat_batches`: True
- `fp16_backend`: auto
- `push_to_hub_model_id`: None
- `push_to_hub_organization`: None
- `mp_parameters`:
- `auto_find_batch_size`: False
- `full_determinism`: False
- `torchdynamo`: None
- `ray_scope`: last
- `ddp_timeout`: 1800
- `torch_compile`: False
- `torch_compile_backend`: None
- `torch_compile_mode`: None
- `dispatch_batches`: None
- `split_batches`: None
- `include_tokens_per_second`: False
- `include_num_input_tokens_seen`: False
- `neftune_noise_alpha`: None
- `optim_target_modules`: None
- `batch_eval_metrics`: False
- `batch_sampler`: no_duplicates
- `multi_dataset_batch_sampler`: proportional
</details>
### Training Logs
<details><summary>Click to expand</summary>
| Epoch | Step | Training Loss | loss | dim_128_cosine_map@100 | dim_256_cosine_map@100 | dim_512_cosine_map@100 | dim_64_cosine_map@100 | dim_768_cosine_map@100 |
|:-------:|:--------:|:-------------:|:----------:|:----------------------:|:----------------------:|:----------------------:|:---------------------:|:----------------------:|
| 0.0039 | 10 | 0.3396 | - | - | - | - | - | - |
| 0.0078 | 20 | 0.6882 | - | - | - | - | - | - |
| 0.0118 | 30 | 0.6307 | - | - | - | - | - | - |
| 0.0157 | 40 | 0.8952 | - | - | - | - | - | - |
| 0.0196 | 50 | 0.2037 | - | - | - | - | - | - |
| 0.0235 | 60 | 0.5459 | - | - | - | - | - | - |
| 0.0275 | 70 | 0.3136 | - | - | - | - | - | - |
| 0.0314 | 80 | 0.7546 | - | - | - | - | - | - |
| 0.0353 | 90 | 0.0148 | - | - | - | - | - | - |
| 0.0392 | 100 | 0.6756 | - | - | - | - | - | - |
| 0.0431 | 110 | 0.8943 | - | - | - | - | - | - |
| 0.0471 | 120 | 0.7474 | - | - | - | - | - | - |
| 0.0510 | 130 | 0.1574 | - | - | - | - | - | - |
| 0.0549 | 140 | 0.5511 | - | - | - | - | - | - |
| 0.0588 | 150 | 0.0372 | - | - | - | - | - | - |
| 0.0627 | 160 | 0.6336 | - | - | - | - | - | - |
| 0.0667 | 170 | 1.132 | - | - | - | - | - | - |
| 0.0706 | 180 | 0.6303 | - | - | - | - | - | - |
| 0.0745 | 190 | 0.1245 | - | - | - | - | - | - |
| 0.0784 | 200 | 0.6711 | - | - | - | - | - | - |
| 0.0824 | 210 | 0.2811 | - | - | - | - | - | - |
| 0.0863 | 220 | 0.522 | - | - | - | - | - | - |
| 0.0902 | 230 | 0.0312 | - | - | - | - | - | - |
| 0.0941 | 240 | 0.5557 | - | - | - | - | - | - |
| 0.0980 | 250 | 0.084 | - | - | - | - | - | - |
| 0.1020 | 260 | 0.3716 | - | - | - | - | - | - |
| 0.1059 | 270 | 0.1187 | - | - | - | - | - | - |
| 0.1098 | 280 | 1.2872 | - | - | - | - | - | - |
| 0.1137 | 290 | 0.0362 | - | - | - | - | - | - |
| 0.1176 | 300 | 0.4163 | - | - | - | - | - | - |
| 0.1216 | 310 | 0.0101 | - | - | - | - | - | - |
| 0.1255 | 320 | 0.5686 | - | - | - | - | - | - |
| 0.1294 | 330 | 0.2448 | - | - | - | - | - | - |
| 0.1333 | 340 | 0.2329 | - | - | - | - | - | - |
| 0.1373 | 350 | 0.3119 | - | - | - | - | - | - |
| 0.1412 | 360 | 0.0167 | - | - | - | - | - | - |
| 0.1451 | 370 | 0.2482 | - | - | - | - | - | - |
| 0.1490 | 380 | 0.0887 | - | - | - | - | - | - |
| 0.1529 | 390 | 0.6644 | - | - | - | - | - | - |
| 0.1569 | 400 | 0.0572 | - | - | - | - | - | - |
| 0.1608 | 410 | 0.6239 | - | - | - | - | - | - |
| 0.1647 | 420 | 0.8892 | - | - | - | - | - | - |
| 0.1686 | 430 | 0.0182 | - | - | - | - | - | - |
| 0.1725 | 440 | 0.072 | - | - | - | - | - | - |
| 0.1765 | 450 | 0.023 | - | - | - | - | - | - |
| 0.1804 | 460 | 0.4117 | - | - | - | - | - | - |
| 0.1843 | 470 | 0.0689 | - | - | - | - | - | - |
| 0.1882 | 480 | 0.1337 | - | - | - | - | - | - |
| 0.1922 | 490 | 0.2742 | - | - | - | - | - | - |
| 0.1961 | 500 | 0.0038 | - | - | - | - | - | - |
| 0.2 | 510 | 0.4994 | - | - | - | - | - | - |
| 0.2039 | 520 | 0.0226 | - | - | - | - | - | - |
| 0.2078 | 530 | 0.0865 | - | - | - | - | - | - |
| 0.2118 | 540 | 0.0386 | - | - | - | - | - | - |
| 0.2157 | 550 | 0.0836 | - | - | - | - | - | - |
| 0.2196 | 560 | 0.4394 | - | - | - | - | - | - |
| 0.2235 | 570 | 0.2745 | - | - | - | - | - | - |
| 0.2275 | 580 | 0.0046 | - | - | - | - | - | - |
| 0.2314 | 590 | 0.0433 | - | - | - | - | - | - |
| 0.2353 | 600 | 0.2767 | - | - | - | - | - | - |
| 0.2392 | 610 | 0.8611 | - | - | - | - | - | - |
| 0.2431 | 620 | 0.0029 | - | - | - | - | - | - |
| 0.2471 | 630 | 0.1992 | - | - | - | - | - | - |
| 0.2510 | 640 | 0.116 | - | - | - | - | - | - |
| 0.2549 | 650 | 0.4985 | - | - | - | - | - | - |
| 0.2588 | 660 | 0.3053 | - | - | - | - | - | - |
| 0.2627 | 670 | 0.0084 | - | - | - | - | - | - |
| 0.2667 | 680 | 0.0156 | - | - | - | - | - | - |
| 0.2706 | 690 | 0.7467 | - | - | - | - | - | - |
| 0.2745 | 700 | 0.006 | - | - | - | - | - | - |
| 0.2784 | 710 | 0.0607 | - | - | - | - | - | - |
| 0.2824 | 720 | 0.0031 | - | - | - | - | - | - |
| 0.2863 | 730 | 0.2955 | - | - | - | - | - | - |
| 0.2902 | 740 | 0.2597 | - | - | - | - | - | - |
| 0.2941 | 750 | 0.0021 | - | - | - | - | - | - |
| 0.2980 | 760 | 0.0116 | - | - | - | - | - | - |
| 0.3020 | 770 | 0.3005 | - | - | - | - | - | - |
| 0.3059 | 780 | 0.3142 | - | - | - | - | - | - |
| 0.3098 | 790 | 0.0363 | - | - | - | - | - | - |
| 0.3137 | 800 | 0.0263 | - | - | - | - | - | - |
| 0.3176 | 810 | 0.0832 | - | - | - | - | - | - |
| 0.3216 | 820 | 0.0004 | - | - | - | - | - | - |
| 0.3255 | 830 | 0.0391 | - | - | - | - | - | - |
| 0.3294 | 840 | 0.4722 | - | - | - | - | - | - |
| 0.3333 | 850 | 0.0054 | - | - | - | - | - | - |
| 0.3373 | 860 | 0.1622 | - | - | - | - | - | - |
| 0.3412 | 870 | 0.0904 | - | - | - | - | - | - |
| 0.3451 | 880 | 0.1727 | - | - | - | - | - | - |
| 0.3490 | 890 | 0.0352 | - | - | - | - | - | - |
| 0.3529 | 900 | 0.0074 | - | - | - | - | - | - |
| 0.3569 | 910 | 0.054 | - | - | - | - | - | - |
| 0.3608 | 920 | 0.0922 | - | - | - | - | - | - |
| 0.3647 | 930 | 0.1067 | - | - | - | - | - | - |
| 0.3686 | 940 | 0.0683 | - | - | - | - | - | - |
| 0.3725 | 950 | 0.4656 | - | - | - | - | - | - |
| 0.3765 | 960 | 0.038 | - | - | - | - | - | - |
| 0.3804 | 970 | 0.1312 | - | - | - | - | - | - |
| 0.3843 | 980 | 0.2714 | - | - | - | - | - | - |
| 0.3882 | 990 | 0.0197 | - | - | - | - | - | - |
| 0.3922 | 1000 | 0.21 | - | - | - | - | - | - |
| 0.3961 | 1010 | 0.0871 | - | - | - | - | - | - |
| 0.4 | 1020 | 0.3741 | - | - | - | - | - | - |
| 0.4039 | 1030 | 0.0181 | - | - | - | - | - | - |
| 0.4078 | 1040 | 0.0191 | - | - | - | - | - | - |
| 0.4118 | 1050 | 0.7567 | - | - | - | - | - | - |
| 0.4157 | 1060 | 0.159 | - | - | - | - | - | - |
| 0.4196 | 1070 | 0.1752 | - | - | - | - | - | - |
| 0.4235 | 1080 | 0.0191 | - | - | - | - | - | - |
| 0.4275 | 1090 | 0.0328 | - | - | - | - | - | - |
| 0.4314 | 1100 | 0.2144 | - | - | - | - | - | - |
| 0.4353 | 1110 | 0.0268 | - | - | - | - | - | - |
| 0.4392 | 1120 | 0.3813 | - | - | - | - | - | - |
| 0.4431 | 1130 | 0.4766 | - | - | - | - | - | - |
| 0.4471 | 1140 | 0.0663 | - | - | - | - | - | - |
| 0.4510 | 1150 | 0.0144 | - | - | - | - | - | - |
| 0.4549 | 1160 | 0.0759 | - | - | - | - | - | - |
| 0.4588 | 1170 | 0.2779 | - | - | - | - | - | - |
| 0.4627 | 1180 | 0.2943 | - | - | - | - | - | - |
| 0.4667 | 1190 | 0.0017 | - | - | - | - | - | - |
| 0.4706 | 1200 | 0.0184 | - | - | - | - | - | - |
| 0.4745 | 1210 | 0.4471 | - | - | - | - | - | - |
| 0.4784 | 1220 | 0.0798 | - | - | - | - | - | - |
| 0.4824 | 1230 | 0.2868 | - | - | - | - | - | - |
| 0.4863 | 1240 | 0.01 | - | - | - | - | - | - |
| 0.4902 | 1250 | 0.0346 | - | - | - | - | - | - |
| 0.4941 | 1260 | 0.2673 | - | - | - | - | - | - |
| 0.4980 | 1270 | 0.3065 | - | - | - | - | - | - |
| 0.5020 | 1280 | 0.0683 | - | - | - | - | - | - |
| 0.5059 | 1290 | 0.2923 | - | - | - | - | - | - |
| 0.5098 | 1300 | 0.3592 | - | - | - | - | - | - |
| 0.5137 | 1310 | 0.2563 | - | - | - | - | - | - |
| 0.5176 | 1320 | 0.0315 | - | - | - | - | - | - |
| 0.5216 | 1330 | 0.0049 | - | - | - | - | - | - |
| 0.5255 | 1340 | 0.0766 | - | - | - | - | - | - |
| 0.5294 | 1350 | 0.0143 | - | - | - | - | - | - |
| 0.5333 | 1360 | 0.013 | - | - | - | - | - | - |
| 0.5373 | 1370 | 0.0037 | - | - | - | - | - | - |
| 0.5412 | 1380 | 0.0224 | - | - | - | - | - | - |
| 0.5451 | 1390 | 0.2682 | - | - | - | - | - | - |
| 0.5490 | 1400 | 0.0013 | - | - | - | - | - | - |
| 0.5529 | 1410 | 0.0859 | - | - | - | - | - | - |
| 0.5569 | 1420 | 0.0382 | - | - | - | - | - | - |
| 0.5608 | 1430 | 0.0425 | - | - | - | - | - | - |
| 0.5647 | 1440 | 0.0257 | - | - | - | - | - | - |
| 0.5686 | 1450 | 0.0545 | - | - | - | - | - | - |
| 0.5725 | 1460 | 0.0167 | - | - | - | - | - | - |
| 0.5765 | 1470 | 0.0283 | - | - | - | - | - | - |
| 0.5804 | 1480 | 0.0588 | - | - | - | - | - | - |
| 0.5843 | 1490 | 0.0161 | - | - | - | - | - | - |
| 0.5882 | 1500 | 0.0633 | - | - | - | - | - | - |
| 0.5922 | 1510 | 0.4425 | - | - | - | - | - | - |
| 0.5961 | 1520 | 0.0391 | - | - | - | - | - | - |
| 0.6 | 1530 | 0.0007 | - | - | - | - | - | - |
| 0.6039 | 1540 | 0.6641 | - | - | - | - | - | - |
| 0.6078 | 1550 | 0.2285 | - | - | - | - | - | - |
| 0.6118 | 1560 | 0.0185 | - | - | - | - | - | - |
| 0.6157 | 1570 | 0.0144 | - | - | - | - | - | - |
| 0.6196 | 1580 | 0.0626 | - | - | - | - | - | - |
| 0.6235 | 1590 | 0.0358 | - | - | - | - | - | - |
| 0.6275 | 1600 | 0.0019 | - | - | - | - | - | - |
| 0.6314 | 1610 | 0.0129 | - | - | - | - | - | - |
| 0.6353 | 1620 | 0.0386 | - | - | - | - | - | - |
| 0.6392 | 1630 | 0.3626 | - | - | - | - | - | - |
| 0.6431 | 1640 | 0.1427 | - | - | - | - | - | - |
| 0.6471 | 1650 | 0.1781 | - | - | - | - | - | - |
| 0.6510 | 1660 | 0.048 | - | - | - | - | - | - |
| 0.6549 | 1670 | 0.0172 | - | - | - | - | - | - |
| 0.6588 | 1680 | 0.0079 | - | - | - | - | - | - |
| 0.6627 | 1690 | 0.0002 | - | - | - | - | - | - |
| 0.6667 | 1700 | 0.3644 | - | - | - | - | - | - |
| 0.6706 | 1710 | 0.627 | - | - | - | - | - | - |
| 0.6745 | 1720 | 0.0439 | - | - | - | - | - | - |
| 0.6784 | 1730 | 0.0116 | - | - | - | - | - | - |
| 0.6824 | 1740 | 0.3933 | - | - | - | - | - | - |
| 0.6863 | 1750 | 0.7118 | - | - | - | - | - | - |
| 0.6902 | 1760 | 0.1746 | - | - | - | - | - | - |
| 0.6941 | 1770 | 0.1272 | - | - | - | - | - | - |
| 0.6980 | 1780 | 0.3281 | - | - | - | - | - | - |
| 0.7020 | 1790 | 0.1582 | - | - | - | - | - | - |
| 0.7059 | 1800 | 0.2731 | - | - | - | - | - | - |
| 0.7098 | 1810 | 0.3034 | - | - | - | - | - | - |
| 0.7137 | 1820 | 0.0662 | - | - | - | - | - | - |
| 0.7176 | 1830 | 0.0078 | - | - | - | - | - | - |
| 0.7216 | 1840 | 0.0035 | - | - | - | - | - | - |
| 0.7255 | 1850 | 1.0808 | - | - | - | - | - | - |
| 0.7294 | 1860 | 0.0029 | - | - | - | - | - | - |
| 0.7333 | 1870 | 0.0049 | - | - | - | - | - | - |
| 0.7373 | 1880 | 0.0572 | - | - | - | - | - | - |
| 0.7412 | 1890 | 0.1218 | - | - | - | - | - | - |
| 0.7451 | 1900 | 0.0001 | - | - | - | - | - | - |
| 0.7490 | 1910 | 0.0529 | - | - | - | - | - | - |
| 0.7529 | 1920 | 0.009 | - | - | - | - | - | - |
| 0.7569 | 1930 | 0.3819 | - | - | - | - | - | - |
| 0.7608 | 1940 | 0.0084 | - | - | - | - | - | - |
| 0.7647 | 1950 | 0.0242 | - | - | - | - | - | - |
| 0.7686 | 1960 | 0.0056 | - | - | - | - | - | - |
| 0.7725 | 1970 | 0.0162 | - | - | - | - | - | - |
| 0.7765 | 1980 | 0.0431 | - | - | - | - | - | - |
| 0.7804 | 1990 | 0.0188 | - | - | - | - | - | - |
| 0.7843 | 2000 | 0.0058 | - | - | - | - | - | - |
| 0.7882 | 2010 | 0.425 | - | - | - | - | - | - |
| 0.7922 | 2020 | 0.009 | - | - | - | - | - | - |
| 0.7961 | 2030 | 0.619 | - | - | - | - | - | - |
| 0.8 | 2040 | 0.7128 | - | - | - | - | - | - |
| 0.8039 | 2050 | 0.0022 | - | - | - | - | - | - |
| 0.8078 | 2060 | 0.0095 | - | - | - | - | - | - |
| 0.8118 | 2070 | 0.0123 | - | - | - | - | - | - |
| 0.8157 | 2080 | 0.0013 | - | - | - | - | - | - |
| 0.8196 | 2090 | 0.1557 | - | - | - | - | - | - |
| 0.8235 | 2100 | 0.0629 | - | - | - | - | - | - |
| 0.8275 | 2110 | 0.0033 | - | - | - | - | - | - |
| 0.8314 | 2120 | 0.037 | - | - | - | - | - | - |
| 0.8353 | 2130 | 0.011 | - | - | - | - | - | - |
| 0.8392 | 2140 | 0.6761 | - | - | - | - | - | - |
| 0.8431 | 2150 | 0.0051 | - | - | - | - | - | - |
| 0.8471 | 2160 | 0.0201 | - | - | - | - | - | - |
| 0.8510 | 2170 | 0.1053 | - | - | - | - | - | - |
| 0.8549 | 2180 | 0.0054 | - | - | - | - | - | - |
| 0.8588 | 2190 | 0.1033 | - | - | - | - | - | - |
| 0.8627 | 2200 | 0.0436 | - | - | - | - | - | - |
| 0.8667 | 2210 | 0.0386 | - | - | - | - | - | - |
| 0.8706 | 2220 | 0.1732 | - | - | - | - | - | - |
| 0.8745 | 2230 | 0.2371 | - | - | - | - | - | - |
| 0.8784 | 2240 | 0.026 | - | - | - | - | - | - |
| 0.8824 | 2250 | 0.0084 | - | - | - | - | - | - |
| 0.8863 | 2260 | 0.2233 | - | - | - | - | - | - |
| 0.8902 | 2270 | 0.0068 | - | - | - | - | - | - |
| 0.8941 | 2280 | 0.266 | - | - | - | - | - | - |
| 0.8980 | 2290 | 0.0061 | - | - | - | - | - | - |
| 0.9020 | 2300 | 0.092 | - | - | - | - | - | - |
| 0.9059 | 2310 | 0.4521 | - | - | - | - | - | - |
| 0.9098 | 2320 | 0.1647 | - | - | - | - | - | - |
| 0.9137 | 2330 | 0.1101 | - | - | - | - | - | - |
| 0.9176 | 2340 | 0.0259 | - | - | - | - | - | - |
| 0.9216 | 2350 | 0.2363 | - | - | - | - | - | - |
| 0.9255 | 2360 | 0.358 | - | - | - | - | - | - |
| 0.9294 | 2370 | 0.0037 | - | - | - | - | - | - |
| 0.9333 | 2380 | 0.2897 | - | - | - | - | - | - |
| 0.9373 | 2390 | 0.2985 | - | - | - | - | - | - |
| 0.9412 | 2400 | 0.0141 | - | - | - | - | - | - |
| 0.9451 | 2410 | 0.0233 | - | - | - | - | - | - |
| 0.9490 | 2420 | 0.0672 | - | - | - | - | - | - |
| 0.9529 | 2430 | 0.0003 | - | - | - | - | - | - |
| 0.9569 | 2440 | 0.0011 | - | - | - | - | - | - |
| 0.9608 | 2450 | 0.0609 | - | - | - | - | - | - |
| 0.9647 | 2460 | 0.0468 | - | - | - | - | - | - |
| 0.9686 | 2470 | 0.0005 | - | - | - | - | - | - |
| 0.9725 | 2480 | 0.0069 | - | - | - | - | - | - |
| 0.9765 | 2490 | 0.0561 | - | - | - | - | - | - |
| 0.9804 | 2500 | 0.2674 | - | - | - | - | - | - |
| 0.9843 | 2510 | 0.2024 | - | - | - | - | - | - |
| 0.9882 | 2520 | 0.0221 | - | - | - | - | - | - |
| 0.9922 | 2530 | 0.0171 | - | - | - | - | - | - |
| 0.9961 | 2540 | 0.1319 | - | - | - | - | - | - |
| 1.0 | 2550 | 0.0078 | 0.0739 | 0.5708 | 0.5941 | 0.6055 | 0.5373 | 0.6064 |
| 1.0039 | 2560 | 0.0125 | - | - | - | - | - | - |
| 1.0078 | 2570 | 0.2353 | - | - | - | - | - | - |
| 1.0118 | 2580 | 0.0398 | - | - | - | - | - | - |
| 1.0157 | 2590 | 0.0303 | - | - | - | - | - | - |
| 1.0196 | 2600 | 0.0168 | - | - | - | - | - | - |
| 1.0235 | 2610 | 0.0006 | - | - | - | - | - | - |
| 1.0275 | 2620 | 0.0004 | - | - | - | - | - | - |
| 1.0314 | 2630 | 0.4641 | - | - | - | - | - | - |
| 1.0353 | 2640 | 0.0001 | - | - | - | - | - | - |
| 1.0392 | 2650 | 0.132 | - | - | - | - | - | - |
| 1.0431 | 2660 | 0.001 | - | - | - | - | - | - |
| 1.0471 | 2670 | 0.6171 | - | - | - | - | - | - |
| 1.0510 | 2680 | 0.0305 | - | - | - | - | - | - |
| 1.0549 | 2690 | 0.1392 | - | - | - | - | - | - |
| 1.0588 | 2700 | 0.0348 | - | - | - | - | - | - |
| 1.0627 | 2710 | 0.0339 | - | - | - | - | - | - |
| 1.0667 | 2720 | 0.0065 | - | - | - | - | - | - |
| 1.0706 | 2730 | 0.2032 | - | - | - | - | - | - |
| 1.0745 | 2740 | 0.0001 | - | - | - | - | - | - |
| 1.0784 | 2750 | 0.3332 | - | - | - | - | - | - |
| 1.0824 | 2760 | 0.0308 | - | - | - | - | - | - |
| 1.0863 | 2770 | 0.3364 | - | - | - | - | - | - |
| 1.0902 | 2780 | 0.0002 | - | - | - | - | - | - |
| 1.0941 | 2790 | 0.0006 | - | - | - | - | - | - |
| 1.0980 | 2800 | 0.0001 | - | - | - | - | - | - |
| 1.1020 | 2810 | 0.0006 | - | - | - | - | - | - |
| 1.1059 | 2820 | 0.01 | - | - | - | - | - | - |
| 1.1098 | 2830 | 0.5723 | - | - | - | - | - | - |
| 1.1137 | 2840 | 0.0029 | - | - | - | - | - | - |
| 1.1176 | 2850 | 0.0087 | - | - | - | - | - | - |
| 1.1216 | 2860 | 0.0003 | - | - | - | - | - | - |
| 1.1255 | 2870 | 0.043 | - | - | - | - | - | - |
| 1.1294 | 2880 | 0.0006 | - | - | - | - | - | - |
| 1.1333 | 2890 | 0.0155 | - | - | - | - | - | - |
| 1.1373 | 2900 | 0.0081 | - | - | - | - | - | - |
| 1.1412 | 2910 | 0.0001 | - | - | - | - | - | - |
| 1.1451 | 2920 | 0.0303 | - | - | - | - | - | - |
| 1.1490 | 2930 | 0.0045 | - | - | - | - | - | - |
| 1.1529 | 2940 | 0.0006 | - | - | - | - | - | - |
| 1.1569 | 2950 | 0.0006 | - | - | - | - | - | - |
| 1.1608 | 2960 | 0.0434 | - | - | - | - | - | - |
| 1.1647 | 2970 | 0.029 | - | - | - | - | - | - |
| 1.1686 | 2980 | 0.0004 | - | - | - | - | - | - |
| 1.1725 | 2990 | 0.0039 | - | - | - | - | - | - |
| 1.1765 | 3000 | 0.0003 | - | - | - | - | - | - |
| 1.1804 | 3010 | 0.2161 | - | - | - | - | - | - |
| 1.1843 | 3020 | 0.0001 | - | - | - | - | - | - |
| 1.1882 | 3030 | 0.0022 | - | - | - | - | - | - |
| 1.1922 | 3040 | 0.0005 | - | - | - | - | - | - |
| 1.1961 | 3050 | 0.0008 | - | - | - | - | - | - |
| 1.2 | 3060 | 0.0928 | - | - | - | - | - | - |
| 1.2039 | 3070 | 0.0003 | - | - | - | - | - | - |
| 1.2078 | 3080 | 0.0007 | - | - | - | - | - | - |
| 1.2118 | 3090 | 0.0013 | - | - | - | - | - | - |
| 1.2157 | 3100 | 0.0009 | - | - | - | - | - | - |
| 1.2196 | 3110 | 0.0758 | - | - | - | - | - | - |
| 1.2235 | 3120 | 0.0002 | - | - | - | - | - | - |
| 1.2275 | 3130 | 0.0002 | - | - | - | - | - | - |
| 1.2314 | 3140 | 0.0002 | - | - | - | - | - | - |
| 1.2353 | 3150 | 0.0165 | - | - | - | - | - | - |
| 1.2392 | 3160 | 0.0053 | - | - | - | - | - | - |
| 1.2431 | 3170 | 0.0084 | - | - | - | - | - | - |
| 1.2471 | 3180 | 0.0006 | - | - | - | - | - | - |
| 1.2510 | 3190 | 0.0513 | - | - | - | - | - | - |
| 1.2549 | 3200 | 0.0011 | - | - | - | - | - | - |
| 1.2588 | 3210 | 0.0043 | - | - | - | - | - | - |
| 1.2627 | 3220 | 0.0 | - | - | - | - | - | - |
| 1.2667 | 3230 | 0.0006 | - | - | - | - | - | - |
| 1.2706 | 3240 | 0.0012 | - | - | - | - | - | - |
| 1.2745 | 3250 | 0.0025 | - | - | - | - | - | - |
| 1.2784 | 3260 | 0.0003 | - | - | - | - | - | - |
| 1.2824 | 3270 | 0.0003 | - | - | - | - | - | - |
| 1.2863 | 3280 | 0.0033 | - | - | - | - | - | - |
| 1.2902 | 3290 | 0.002 | - | - | - | - | - | - |
| 1.2941 | 3300 | 0.0 | - | - | - | - | - | - |
| 1.2980 | 3310 | 0.004 | - | - | - | - | - | - |
| 1.3020 | 3320 | 0.0002 | - | - | - | - | - | - |
| 1.3059 | 3330 | 0.0071 | - | - | - | - | - | - |
| 1.3098 | 3340 | 0.0001 | - | - | - | - | - | - |
| 1.3137 | 3350 | 0.0006 | - | - | - | - | - | - |
| 1.3176 | 3360 | 0.0012 | - | - | - | - | - | - |
| 1.3216 | 3370 | 0.0 | - | - | - | - | - | - |
| 1.3255 | 3380 | 0.0055 | - | - | - | - | - | - |
| 1.3294 | 3390 | 0.0005 | - | - | - | - | - | - |
| 1.3333 | 3400 | 0.0 | - | - | - | - | - | - |
| 1.3373 | 3410 | 0.0001 | - | - | - | - | - | - |
| 1.3412 | 3420 | 0.001 | - | - | - | - | - | - |
| 1.3451 | 3430 | 0.0033 | - | - | - | - | - | - |
| 1.3490 | 3440 | 0.001 | - | - | - | - | - | - |
| 1.3529 | 3450 | 0.0 | - | - | - | - | - | - |
| 1.3569 | 3460 | 0.0007 | - | - | - | - | - | - |
| 1.3608 | 3470 | 0.0 | - | - | - | - | - | - |
| 1.3647 | 3480 | 0.0024 | - | - | - | - | - | - |
| 1.3686 | 3490 | 0.0001 | - | - | - | - | - | - |
| 1.3725 | 3500 | 0.025 | - | - | - | - | - | - |
| 1.3765 | 3510 | 0.0028 | - | - | - | - | - | - |
| 1.3804 | 3520 | 0.004 | - | - | - | - | - | - |
| 1.3843 | 3530 | 0.0 | - | - | - | - | - | - |
| 1.3882 | 3540 | 0.2503 | - | - | - | - | - | - |
| 1.3922 | 3550 | 0.0004 | - | - | - | - | - | - |
| 1.3961 | 3560 | 0.0001 | - | - | - | - | - | - |
| 1.4 | 3570 | 0.0002 | - | - | - | - | - | - |
| 1.4039 | 3580 | 0.0003 | - | - | - | - | - | - |
| 1.4078 | 3590 | 0.0008 | - | - | - | - | - | - |
| 1.4118 | 3600 | 0.0016 | - | - | - | - | - | - |
| 1.4157 | 3610 | 0.0007 | - | - | - | - | - | - |
| 1.4196 | 3620 | 0.0009 | - | - | - | - | - | - |
| 1.4235 | 3630 | 0.0 | - | - | - | - | - | - |
| 1.4275 | 3640 | 0.0 | - | - | - | - | - | - |
| 1.4314 | 3650 | 0.0001 | - | - | - | - | - | - |
| 1.4353 | 3660 | 0.0002 | - | - | - | - | - | - |
| 1.4392 | 3670 | 0.0005 | - | - | - | - | - | - |
| 1.4431 | 3680 | 0.0003 | - | - | - | - | - | - |
| 1.4471 | 3690 | 0.0003 | - | - | - | - | - | - |
| 1.4510 | 3700 | 0.0011 | - | - | - | - | - | - |
| 1.4549 | 3710 | 0.001 | - | - | - | - | - | - |
| 1.4588 | 3720 | 0.0005 | - | - | - | - | - | - |
| 1.4627 | 3730 | 0.0022 | - | - | - | - | - | - |
| 1.4667 | 3740 | 0.0 | - | - | - | - | - | - |
| 1.4706 | 3750 | 0.0007 | - | - | - | - | - | - |
| 1.4745 | 3760 | 0.0016 | - | - | - | - | - | - |
| 1.4784 | 3770 | 0.0086 | - | - | - | - | - | - |
| 1.4824 | 3780 | 0.0824 | - | - | - | - | - | - |
| 1.4863 | 3790 | 0.0001 | - | - | - | - | - | - |
| 1.4902 | 3800 | 0.0084 | - | - | - | - | - | - |
| 1.4941 | 3810 | 0.0001 | - | - | - | - | - | - |
| 1.4980 | 3820 | 0.0037 | - | - | - | - | - | - |
| 1.5020 | 3830 | 0.0 | - | - | - | - | - | - |
| 1.5059 | 3840 | 0.0 | - | - | - | - | - | - |
| 1.5098 | 3850 | 0.1319 | - | - | - | - | - | - |
| 1.5137 | 3860 | 0.0013 | - | - | - | - | - | - |
| 1.5176 | 3870 | 0.0004 | - | - | - | - | - | - |
| 1.5216 | 3880 | 0.0001 | - | - | - | - | - | - |
| 1.5255 | 3890 | 0.0071 | - | - | - | - | - | - |
| 1.5294 | 3900 | 0.0013 | - | - | - | - | - | - |
| 1.5333 | 3910 | 0.0001 | - | - | - | - | - | - |
| 1.5373 | 3920 | 0.0002 | - | - | - | - | - | - |
| 1.5412 | 3930 | 0.0 | - | - | - | - | - | - |
| 1.5451 | 3940 | 0.0038 | - | - | - | - | - | - |
| 1.5490 | 3950 | 0.0 | - | - | - | - | - | - |
| 1.5529 | 3960 | 0.0023 | - | - | - | - | - | - |
| 1.5569 | 3970 | 0.0005 | - | - | - | - | - | - |
| 1.5608 | 3980 | 0.0037 | - | - | - | - | - | - |
| 1.5647 | 3990 | 0.0001 | - | - | - | - | - | - |
| 1.5686 | 4000 | 0.0004 | - | - | - | - | - | - |
| 1.5725 | 4010 | 0.0009 | - | - | - | - | - | - |
| 1.5765 | 4020 | 0.0468 | - | - | - | - | - | - |
| 1.5804 | 4030 | 0.013 | - | - | - | - | - | - |
| 1.5843 | 4040 | 0.0015 | - | - | - | - | - | - |
| 1.5882 | 4050 | 0.0 | - | - | - | - | - | - |
| 1.5922 | 4060 | 0.0012 | - | - | - | - | - | - |
| 1.5961 | 4070 | 0.0 | - | - | - | - | - | - |
| 1.6 | 4080 | 0.0 | - | - | - | - | - | - |
| 1.6039 | 4090 | 0.0012 | - | - | - | - | - | - |
| 1.6078 | 4100 | 0.1019 | - | - | - | - | - | - |
| 1.6118 | 4110 | 0.0004 | - | - | - | - | - | - |
| 1.6157 | 4120 | 0.0006 | - | - | - | - | - | - |
| 1.6196 | 4130 | 0.0 | - | - | - | - | - | - |
| 1.6235 | 4140 | 0.0008 | - | - | - | - | - | - |
| 1.6275 | 4150 | 0.0 | - | - | - | - | - | - |
| 1.6314 | 4160 | 0.0 | - | - | - | - | - | - |
| 1.6353 | 4170 | 0.0004 | - | - | - | - | - | - |
| 1.6392 | 4180 | 0.0028 | - | - | - | - | - | - |
| 1.6431 | 4190 | 0.0007 | - | - | - | - | - | - |
| 1.6471 | 4200 | 0.0001 | - | - | - | - | - | - |
| 1.6510 | 4210 | 0.0007 | - | - | - | - | - | - |
| 1.6549 | 4220 | 0.0 | - | - | - | - | - | - |
| 1.6588 | 4230 | 0.0001 | - | - | - | - | - | - |
| 1.6627 | 4240 | 0.0002 | - | - | - | - | - | - |
| 1.6667 | 4250 | 0.0123 | - | - | - | - | - | - |
| 1.6706 | 4260 | 0.0077 | - | - | - | - | - | - |
| 1.6745 | 4270 | 0.0001 | - | - | - | - | - | - |
| 1.6784 | 4280 | 0.0004 | - | - | - | - | - | - |
| 1.6824 | 4290 | 0.0169 | - | - | - | - | - | - |
| 1.6863 | 4300 | 0.0001 | - | - | - | - | - | - |
| 1.6902 | 4310 | 0.0014 | - | - | - | - | - | - |
| 1.6941 | 4320 | 0.0001 | - | - | - | - | - | - |
| 1.6980 | 4330 | 0.001 | - | - | - | - | - | - |
| 1.7020 | 4340 | 0.0017 | - | - | - | - | - | - |
| 1.7059 | 4350 | 0.001 | - | - | - | - | - | - |
| 1.7098 | 4360 | 0.0003 | - | - | - | - | - | - |
| 1.7137 | 4370 | 0.0001 | - | - | - | - | - | - |
| 1.7176 | 4380 | 0.0017 | - | - | - | - | - | - |
| 1.7216 | 4390 | 0.0001 | - | - | - | - | - | - |
| 1.7255 | 4400 | 0.0008 | - | - | - | - | - | - |
| 1.7294 | 4410 | 0.0003 | - | - | - | - | - | - |
| 1.7333 | 4420 | 0.0003 | - | - | - | - | - | - |
| 1.7373 | 4430 | 0.0 | - | - | - | - | - | - |
| 1.7412 | 4440 | 0.0005 | - | - | - | - | - | - |
| 1.7451 | 4450 | 0.0 | - | - | - | - | - | - |
| 1.7490 | 4460 | 0.0057 | - | - | - | - | - | - |
| 1.7529 | 4470 | 0.0001 | - | - | - | - | - | - |
| 1.7569 | 4480 | 0.0003 | - | - | - | - | - | - |
| 1.7608 | 4490 | 0.0 | - | - | - | - | - | - |
| 1.7647 | 4500 | 0.0021 | - | - | - | - | - | - |
| 1.7686 | 4510 | 0.0002 | - | - | - | - | - | - |
| 1.7725 | 4520 | 0.0016 | - | - | - | - | - | - |
| 1.7765 | 4530 | 0.0003 | - | - | - | - | - | - |
| 1.7804 | 4540 | 0.0001 | - | - | - | - | - | - |
| 1.7843 | 4550 | 0.0002 | - | - | - | - | - | - |
| 1.7882 | 4560 | 0.0007 | - | - | - | - | - | - |
| 1.7922 | 4570 | 0.0001 | - | - | - | - | - | - |
| 1.7961 | 4580 | 0.0736 | - | - | - | - | - | - |
| 1.8 | 4590 | 0.0341 | - | - | - | - | - | - |
| 1.8039 | 4600 | 0.0 | - | - | - | - | - | - |
| 1.8078 | 4610 | 0.0002 | - | - | - | - | - | - |
| 1.8118 | 4620 | 0.0001 | - | - | - | - | - | - |
| 1.8157 | 4630 | 0.0001 | - | - | - | - | - | - |
| 1.8196 | 4640 | 0.001 | - | - | - | - | - | - |
| 1.8235 | 4650 | 0.0018 | - | - | - | - | - | - |
| 1.8275 | 4660 | 0.0 | - | - | - | - | - | - |
| 1.8314 | 4670 | 0.0003 | - | - | - | - | - | - |
| 1.8353 | 4680 | 0.0004 | - | - | - | - | - | - |
| 1.8392 | 4690 | 0.0002 | - | - | - | - | - | - |
| 1.8431 | 4700 | 0.0001 | - | - | - | - | - | - |
| 1.8471 | 4710 | 0.0 | - | - | - | - | - | - |
| 1.8510 | 4720 | 0.0 | - | - | - | - | - | - |
| 1.8549 | 4730 | 0.0001 | - | - | - | - | - | - |
| 1.8588 | 4740 | 0.0034 | - | - | - | - | - | - |
| 1.8627 | 4750 | 0.0 | - | - | - | - | - | - |
| 1.8667 | 4760 | 0.0001 | - | - | - | - | - | - |
| 1.8706 | 4770 | 0.0042 | - | - | - | - | - | - |
| 1.8745 | 4780 | 0.0019 | - | - | - | - | - | - |
| 1.8784 | 4790 | 0.0008 | - | - | - | - | - | - |
| 1.8824 | 4800 | 0.0003 | - | - | - | - | - | - |
| 1.8863 | 4810 | 0.0002 | - | - | - | - | - | - |
| 1.8902 | 4820 | 0.0 | - | - | - | - | - | - |
| 1.8941 | 4830 | 0.0914 | - | - | - | - | - | - |
| 1.8980 | 4840 | 0.0 | - | - | - | - | - | - |
| 1.9020 | 4850 | 0.0035 | - | - | - | - | - | - |
| 1.9059 | 4860 | 0.0018 | - | - | - | - | - | - |
| 1.9098 | 4870 | 0.0001 | - | - | - | - | - | - |
| 1.9137 | 4880 | 0.0003 | - | - | - | - | - | - |
| 1.9176 | 4890 | 0.0005 | - | - | - | - | - | - |
| 1.9216 | 4900 | 0.018 | - | - | - | - | - | - |
| 1.9255 | 4910 | 0.0524 | - | - | - | - | - | - |
| 1.9294 | 4920 | 0.0001 | - | - | - | - | - | - |
| 1.9333 | 4930 | 0.0107 | - | - | - | - | - | - |
| 1.9373 | 4940 | 0.0895 | - | - | - | - | - | - |
| 1.9412 | 4950 | 0.0002 | - | - | - | - | - | - |
| 1.9451 | 4960 | 0.0 | - | - | - | - | - | - |
| 1.9490 | 4970 | 0.0002 | - | - | - | - | - | - |
| 1.9529 | 4980 | 0.0001 | - | - | - | - | - | - |
| 1.9569 | 4990 | 0.0 | - | - | - | - | - | - |
| 1.9608 | 5000 | 0.0001 | - | - | - | - | - | - |
| 1.9647 | 5010 | 0.0101 | - | - | - | - | - | - |
| 1.9686 | 5020 | 0.0 | - | - | - | - | - | - |
| 1.9725 | 5030 | 0.0001 | - | - | - | - | - | - |
| 1.9765 | 5040 | 0.0001 | - | - | - | - | - | - |
| 1.9804 | 5050 | 0.3165 | - | - | - | - | - | - |
| 1.9843 | 5060 | 0.0068 | - | - | - | - | - | - |
| 1.9882 | 5070 | 0.0003 | - | - | - | - | - | - |
| 1.9922 | 5080 | 0.0001 | - | - | - | - | - | - |
| 1.9961 | 5090 | 0.0022 | - | - | - | - | - | - |
| **2.0** | **5100** | **0.0** | **0.0734** | **0.5999** | **0.6171** | **0.6201** | **0.5766** | **0.6234** |
* The bold row denotes the saved checkpoint.
</details>
### Framework Versions
- Python: 3.10.13
- Sentence Transformers: 3.0.1
- Transformers: 4.41.2
- PyTorch: 2.1.2
- Accelerate: 0.29.3
- Datasets: 2.19.1
- Tokenizers: 0.19.1
## Citation
### BibTeX
#### Sentence Transformers
```bibtex
@inproceedings{reimers-2019-sentence-bert,
title = "Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks",
author = "Reimers, Nils and Gurevych, Iryna",
booktitle = "Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing",
month = "11",
year = "2019",
publisher = "Association for Computational Linguistics",
url = "https://arxiv.org/abs/1908.10084",
}
```
#### MatryoshkaLoss
```bibtex
@misc{kusupati2024matryoshka,
title={Matryoshka Representation Learning},
author={Aditya Kusupati and Gantavya Bhatt and Aniket Rege and Matthew Wallingford and Aditya Sinha and Vivek Ramanujan and William Howard-Snyder and Kaifeng Chen and Sham Kakade and Prateek Jain and Ali Farhadi},
year={2024},
eprint={2205.13147},
archivePrefix={arXiv},
primaryClass={cs.LG}
}
```
#### MultipleNegativesRankingLoss
```bibtex
@misc{henderson2017efficient,
title={Efficient Natural Language Response Suggestion for Smart Reply},
author={Matthew Henderson and Rami Al-Rfou and Brian Strope and Yun-hsuan Sung and Laszlo Lukacs and Ruiqi Guo and Sanjiv Kumar and Balint Miklos and Ray Kurzweil},
year={2017},
eprint={1705.00652},
archivePrefix={arXiv},
primaryClass={cs.CL}
}
```
<!--
## Glossary
*Clearly define terms in order to be accessible across audiences.*
-->
<!--
## Model Card Authors
*Lists the people who create the model card, providing recognition and accountability for the detailed work that goes into its construction.*
-->
<!--
## Model Card Contact
*Provides a way for people who have updates to the Model Card, suggestions, or questions, to contact the Model Card authors.*
--> |